往复压缩机轴承间隙故障诊断方法技术

本发明专利技术涉及的是往复压缩机轴承间隙故障诊断方法，它包括:一、对经验小波变换的频谱分隔方法进行改进，以方差作为评价参数，优选尺度变换参数；二、应用优选尺度变换参数对振动信号的傅里叶频谱进行划分，得到经验小波模态；三、计算经验小波模态与原始信号间的皮尔逊相关系数及模态峭度，筛选经验小波模态；四、确定划分信号状态的自适应能量阈值，据此判断信号所处状态并分段；五、根据信号不同状态，构造结构元素，将分段能量进行分类，根据不同状态构造结构元素进行滤波；步骤六：最后使用形态谱熵进行定量分析，完成故障的分类与识别。本发明专利技术利用多尺度信息共同作用得到局部最小值位置的方法，更加精确，且抗干扰能力强。

【技术实现步骤摘要】
往复压缩机轴承间隙故障诊断方法
本专利技术涉及的是往复机械故障诊断
，具体涉及一种基于自适应经验小波变换和状态形态学滤波的往复压缩机轴承间隙故障诊断方法。
技术介绍
石油和化工行业是国民经济的重要基础和支柱产业，而往复压缩机又是该领域中广泛使用的重要设备。往复压缩机的曲轴、连杆、十字头是传动机构的重要组成部件，其作用是将驱动电机的旋转运动转换为活塞的往复直线运动，承担着整个机组的动力传输功能。十字头轴承和曲轴轴承在往复压缩机每个换向过程中受到冲击，由于承受较大的交变荷载和摩擦磨损，致使轴承总是处于摩擦与碰撞状态，长期运行，必然会导致轴承间隙变大，从而增大运行中振动的幅度，而振动幅度增加又会加剧磨损，如此恶性循环,如不及时发现，将会导致曲轴、连杆、活塞杆等关键零部件断裂事故。如果轴承存在设计、制造等缺陷，以及润滑不良、过大冲击力等问题，会加剧轴承磨损或失效。因此，对往复压缩机轴承间隙故障诊断方法的研究具有重要的工程应用价值。往复压缩机振动信号属于非平稳、非线性信号。目前常见的用来处理非平稳和非线性信号的方法是经验模态分解(EMD)和经验小波变换(EWT)。EMD在处理非线性非平稳信号时没有严格的数学证明，有过包络、欠包络、计算量大的缺点。EWT是一种自适应小波分析方法，但存在着分隔模态过多，得到的单组分模态无法进行Hilbert变换的问题。小波阈值降噪经过众多学者的研究与改进，已经发展成为最常用的滤波方法。但小波滤波的阈值选取针对不同类型的信号差别较大，而且针对非线性、非平稳的信号，只使用一种小波基函数进行处理，不能很好地保留信号的特征。
技术实现思路
本专利技术的目的是提供往复压缩机轴承间隙故障诊断方法，这种往复压缩机轴承间隙故障诊断方法用来解决往复压缩机轴承间隙故障诊断的难题。本专利技术解决其技术问题所采用的技术方案是：这种往复压缩机轴承间隙故障诊断方法包括以下步骤：步骤一：基于尺度空间理论，对经验小波变换的频谱分隔方法进行改进，以方差作为评价参数，判断频谱边界是否稳定，通过对若干组往复压缩机轴承间隙故障振动信号实验数据进行对比分析，优选尺度变换参数；步骤二：应用优选尺度变换参数对振动信号的傅里叶频谱进行划分，得到经验小波模态；1)对于往复压缩机，由于曲轴箱和十字头处对轴承间隙故障较为敏感，分别在一级连杆十字头处、二级连杆十字头处、一级连杆曲轴箱处、二级连杆曲轴箱处设置4个传感器，采集轴承间隙故障振动信号，采样频率为50kHz，采样时间为4s；选取一个整周期6000点的轴承间隙故障振动信号进行分析，包括四种故障状态：(a)一级小头轴承间隙大、(b)一级大头轴承间隙大、(c)二级小头轴承间隙大、(d)二级大头轴承间隙大；2)基于尺度空间理论的经验小波变换，使用优选尺度变换参数对振动信号进行自适应分解，得到频谱分隔边界；3)利用Meyer小波构造经验尺度函数和经验小波函数，得到正交小波滤波器；对频谱进行经验小波变换，得到一组单分量或近似单分量的AM-FM成分；4)对3)得到的这一组AM-FM成分进行Hilbert变换，通过Hilbert谱对信号进行时频分析，先进行频谱分隔，再对分解得到的经验模态进行归一化处理；步骤三：计算经验小波模态与原始信号间的皮尔逊相关系数及模态峭度，筛选经验小波模态；步骤四：确定划分信号状态的自适应能量阈值，据此判断信号所处状态并分段；采样频率为50KHz时为120个点，将整个周期6000个点分为200段进行分析；分别计算每一段信号能量绝对值的之和，作为能量阈值初始判断指标；当某段能量比平稳段相差不多时，再使用K-means算法作为能量阈值细判指标；分段能量高于能量阈值的为轴承间隙振动状态信号，低于能量阈值的为轴承间隙平稳状态的信号；步骤五：根据信号不同状态，构造结构元素，将分段能量进行分类，根据不同状态构造结构元素进行滤波，具体步骤如下：1)根据不同状态构造结构元素进行滤波：将扁平型结构元素用于轴承间隙信号振动状态，在滤波的同时最大限度地保持冲击信号的形状特征；将三角形结构元素用于轴承间隙信号平稳状态，滤除对信号干扰大的脉冲信号；2)分别计算每一段信号幅值绝对值的平均，作为此段结构元素的高度，结合状态滤波分段条件，选取结构元素长度；3)为了保持信号形态特征，使用开+闭均值滤波器进行形态学滤波；步骤六：最后使用形态谱熵进行定量分析，通过绘制轴承间隙故障四种状态形态谱熵图，完成故障的分类与识别。上述方案中步骤一的具体方法为：对采集的往复压缩机轴承间隙故障振动加速度信号进行分解，实验信号采样频率25000Hz，频率10000Hz以上为高频噪声，对1-10000Hz进行分析；以方差作为评价参数，判断频谱边界是否稳定，计算尺度变换参数分别为0.5、0.75、1、1.5、2的模态边界，保留前五个分隔模态边界；经对比分析，当尺度变换参数为1时，各个边界之间的方差最小；通过对30组往复压缩机轴承间隙故障振动信号实验数据的对比分析表明，当尺度变换参数为1时，各模态边界数值基本一致，频谱分隔边界具有稳定性。上述方案步骤二中2)的具体步骤：2.1)应用尺度空间方法，首先使用高斯核函数对信号进行尺度变换：其中需要使用缩短的滤波器来得到有限长的脉冲响应滤波器，所以对n的值进行控制：其中C＝6，以保证近似误差小于10-9；f(x):振动信号经过傅里叶变换后得到的频域函数；g(n:t):高斯核函数；n:尺度变换中的位置参数，通过控制M的值来得到有限长的脉冲响应滤波器；t:尺度变换中的尺度参数，由初始尺度参数和尺度变换参数两部分组成；2.2)经尺度变换后，得到不同的尺度空间，记录每次空间变换后信号的极小值位置，并在尺度空间平面内连接这些极小值，得到尺度空间极小值曲线；通过K-means分类算法对阈值进行选取，保留大于阈值的尺度空间极小值曲线，将其所在位置确定为频谱分隔边界。上述方案中步骤二中3)的具体步骤：3.1)Meyer小波构造经验尺度函数为：3.2)经验小波函数为：其中β(x)＝x4(35-84x+70x2-20x3)τn＝γωnωn为2.2)中确定的频谱分隔边界，γ和τ都只是构造经验函数的过程参数，没有具体意义；3.3)使用内积方法分别确定细节系数和近似系数：3.4)经验模态函数可表示为：Ψ为3.2)中计算出的经验小波函数，φ为3.1)中计算出的经验尺度函数，*表示卷积运算。上述方案中步骤三的具体方法：1)皮尔逊相关系数描述两个变量间联系的紧密程度，公式如下：其中为原始信号样本均值；为计算出来的模态信号样本均值；为原信号样本，为计算出的模态信号样本，T为信号序列长度；2)本文档来自技高网...

【技术保护点】
1.一种往复压缩机轴承间隙故障诊断方法，其特征在于包括以下步骤：/n步骤一：基于尺度空间理论，对经验小波变换的频谱分隔方法进行改进，以方差作为评价参数，判断频谱边界是否稳定，通过对若干组往复压缩机轴承间隙故障振动信号实验数据进行对比分析，优选尺度变换参数；/n步骤二：应用优选尺度变换参数对振动信号的傅里叶频谱进行划分，得到经验小波模态；/n1)对于往复压缩机，由于曲轴箱和十字头处对轴承间隙故障较为敏感，分别在一级连杆十字头处、二级连杆十字头处、一级连杆曲轴箱处、二级连杆曲轴箱处设置4个传感器，采集轴承间隙故障振动信号，采样频率为50kHz，采样时间为4s；选取一个整周期6000点的轴承间隙故障振动信号进行分析，包括四种故障状态：(a)一级小头轴承间隙大、(b)一级大头轴承间隙大、(c)二级小头轴承间隙大、(d)二级大头轴承间隙大；/n2)基于尺度空间理论的经验小波变换，使用优选尺度变换参数对振动信号进行自适应分解，得到频谱分隔边界；/n3)利用Meyer小波构造经验尺度函数和经验小波函数，得到正交小波滤波器；对频谱进行经验小波变换，得到一组单分量或近似单分量的AM-FM成分；/n4)对3)得到的这一组AM-FM成分进行Hilbert变换，通过Hilbert谱对信号进行时频分析，先进行频谱分隔，再对分解得到的经验模态进行归一化处理；/n步骤三：计算经验小波模态与原始信号间的皮尔逊相关系数及模态峭度，筛选经验小波模态；/n步骤四：确定划分信号状态的自适应能量阈值，据此判断信号所处状态并分段；/n采样频率为50KHz时为120个点，将整个周期6000个点分为200段进行分析；分别计算每一段信号能量绝对值的之和，作为能量阈值初始判断指标；当某段能量比平稳段相差不多时，再使用K-means算法作为能量阈值细判指标；分段能量高于能量阈值的为轴承间隙振动状态信号，低于能量阈值的为轴承间隙平稳状态的信号；/n步骤五：根据信号不同状态，构造结构元素，将分段能量进行分类，根据不同状态构造结构元素进行滤波，具体步骤如下：/n1)根据不同状态构造结构元素进行滤波：将扁平型结构元素用于轴承间隙信号振动状态，在滤波的同时最大限度地保持冲击信号的形状特征；将三角形结构元素用于轴承间隙信号平稳状态，滤除对信号干扰大的脉冲信号；/n2)分别计算每一段信号幅值绝对值的平均，作为此段结构元素的高度，结合状态滤波分段条件，选取结构元素长度；/n3)为了保持信号形态特征，使用开+闭均值滤波器进行形态学滤波；/n步骤六：最后使用形态谱熵进行定量分析，通过绘制轴承间隙故障四种状态形态谱熵图，完成故障的分类与识别。/n...

【技术特征摘要】
1.一种往复压缩机轴承间隙故障诊断方法，其特征在于包括以下步骤：
步骤一：基于尺度空间理论，对经验小波变换的频谱分隔方法进行改进，以方差作为评价参数，判断频谱边界是否稳定，通过对若干组往复压缩机轴承间隙故障振动信号实验数据进行对比分析，优选尺度变换参数；
步骤二：应用优选尺度变换参数对振动信号的傅里叶频谱进行划分，得到经验小波模态；
1)对于往复压缩机，由于曲轴箱和十字头处对轴承间隙故障较为敏感，分别在一级连杆十字头处、二级连杆十字头处、一级连杆曲轴箱处、二级连杆曲轴箱处设置4个传感器，采集轴承间隙故障振动信号，采样频率为50kHz，采样时间为4s；选取一个整周期6000点的轴承间隙故障振动信号进行分析，包括四种故障状态：(a)一级小头轴承间隙大、(b)一级大头轴承间隙大、(c)二级小头轴承间隙大、(d)二级大头轴承间隙大；
2)基于尺度空间理论的经验小波变换，使用优选尺度变换参数对振动信号进行自适应分解，得到频谱分隔边界；
3)利用Meyer小波构造经验尺度函数和经验小波函数，得到正交小波滤波器；对频谱进行经验小波变换，得到一组单分量或近似单分量的AM-FM成分；
4)对3)得到的这一组AM-FM成分进行Hilbert变换，通过Hilbert谱对信号进行时频分析，先进行频谱分隔，再对分解得到的经验模态进行归一化处理；
步骤三：计算经验小波模态与原始信号间的皮尔逊相关系数及模态峭度，筛选经验小波模态；
步骤四：确定划分信号状态的自适应能量阈值，据此判断信号所处状态并分段；
采样频率为50KHz时为120个点，将整个周期6000个点分为200段进行分析；分别计算每一段信号能量绝对值的之和，作为能量阈值初始判断指标；当某段能量比平稳段相差不多时，再使用K-means算法作为能量阈值细判指标；分段能量高于能量阈值的为轴承间隙振动状态信号，低于能量阈值的为轴承间隙平稳状态的信号；
步骤五：根据信号不同状态，构造结构元素，将分段能量进行分类，根据不同状态构造结构元素进行滤波，具体步骤如下：
1)根据不同状态构造结构元素进行滤波：将扁平型结构元素用于轴承间隙信号振动状态，在滤波的同时最大限度地保持冲击信号的形状特征；将三角形结构元素用于轴承间隙信号平稳状态，滤除对信号干扰大的脉冲信号；
2)分别计算每一段信号幅值绝对值的平均，作为此段结构元素的高度，结合状态滤波分段条件，选取结构元素长度；
3)为了保持信号形态特征，使用开+闭均值滤波器进行形态学滤波；
步骤六：最后使用形态谱熵进行定量分析，通过绘制轴承间隙故障四种状态形态谱熵图，完成故障的分类与识别。


2.根据权利要求1所述的往复压缩机轴承间隙故障诊断方法，其特征在于：所述的步骤一的具体方法为：对采集的往复压缩机轴承间隙故障振动加速度信号进行分解，实验信号采样频率25000Hz，频率10000Hz以上为高频噪声，对1-10000Hz进行分析；以方差作为评价参数...

【专利技术属性】
技术研发人员：王金东，李彦阳，赵海洋，张隆宇，陈新，于德龙，
申请(专利权)人：东北石油大学，
类型：发明
国别省市：黑龙江;23